研究解讀
Advanced Science
Unsupervised Hierarchical Symbolic Regression for Interpretable Property Modeling in Complex Multi-Variable Systems
一種分層符號學習框架，將複雜的多變數關係轉化為簡潔且具化學可解釋性的方程式。
01 / 研究問題
研究問題
靈活的預測模型能夠捕捉複雜化學關係，但往往難以說明哪些變數及其組合真正驅動預測。
02 / 研究方法
研究方法
此框架以分層方式建構符號關係，先將變數組合成中間表達式，再進一步形成簡潔的顯式方程式。
03 / 研究意義
研究意義
顯式方程式能夠被檢查、質疑並與化學推理連結起來，可同時支援預測與科學假設形成。
04 / 發表資訊
發表資訊
- 作者
- Siyu Lou†, Chengchun Liu†, Dongxiao Zhang, Yuntian Chen, and Fanyang Mo
- 期刊
- Advanced Science
- 年份
BibTeX
@article{lou2026uhsr,
title = {Unsupervised Hierarchical Symbolic Regression for Interpretable Property Modeling in Complex Multi-Variable Systems},
author = {Siyu Lou and Chengchun Liu and Dongxiao Zhang and Yuntian Chen and Fanyang Mo},
journal = {Advanced Science},
year = {2026},
date = {2026-01-07},
volume = {13},
number = {19},
eid = {e21200},
doi = {10.1002/advs.202521200},
url = {https://doi.org/10.1002/advs.202521200}
}